每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

协作无标记数据优化

Created by
  • Haebom

作者

尚欣怡、孙鹏、刘丰源、林涛

大纲

本文提出了一种以数据为中心的新范式，旨在优化未标记数据，从而提升深度学习的效率和可持续性。我们突破了现有以模型为中心的方法的局限性，并提出了 CoOpt，这是一个高效的并行框架，可将知识编码到数据本身中。CoOpt 分发未标记数据，并利用公开可用的任务无关模型来实现可扩展、可重用且可持续的学习流程。我们在 Tiny-ImageNet 和 ImageNet-1K 数据集上分别实现了 13.6% 和 6.8% 的性能提升，学习加速分别达到 $1.94 \times $ 和 $1.2 \times$。

Takeaways, Limitations

•
Takeaways：
◦
提出了一种以数据为中心的新方法来最大限度地发挥未标记数据的效用。
◦
通过将知识编码到数据本身的 CoOpt 框架提高了学习的可重用性和可扩展性。
◦
已证明其在不同数据集和架构上的有效性和效率。
◦
实现更快的学习速度和更高的表现。
•
Limitations：
◦
缺乏对CoOpt具体实现和算法的详细解释。
◦
需要进一步分析与任务无关的模型的依赖性。
◦
需要进一步研究其在现实环境中的适用性。
👍
Made with Slashpage